(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202010018366.7
(22)申请日 2020.01.08
究所
地址 210003 江苏省南京市中山北路346号
(72)发明人 崔威威 张秉致 刘硕 鲍鹏飞
(51)Int.Cl.
G08G 3/00(2006.01)
(54)发明名称一种基于时间序列的船舶AIS目标航行监控方法(57)摘要本发明提出了一种基于时间序列的船舶AIS 目标航行监控方法，首先基于地理范围、MMSI、时间和空间信息完成AIS数据去重，其次按照时间升序排列AIS序列，计算目标在前后两个时间点的速度和航向，完成AIS目标MMSI欺骗判决，以及AIS航速航向关键信息的校验修正；再次基于目标AIS更新时间动态更新、生成统计网格，实现伴随目标的检测识别，对外提供区域船舶航行出现/消失、航速航向分布等统计信息；最后基于时间序列方法评估AIS目标航行状态。本发明可为海事监管部门提供重要区域与目标的风险预警 信息。权利要求书1页 说明书4页 附图3页CN 111179638 A 2020.05.19
C N 111179638
A
1.一种基于时间序列的船舶AIS目标航行监控方法，其特征在于：
步骤1：将具有相同呼号的AIS序列按时间升序排列，如当前序列前后中两个AIS的经纬度、更新时间相同则删除重复数据，并根据AIS分布的地理范围信息实现野值剔除；
步骤2：将具有相同呼号的序列生序排列，计算相邻AIS点之间的距离，从而得到航速、航向：
cour＝arcsin(sin(90-Lat 2)*sin(Lon 2-lon 1)/sin(c))
velo＝dis/t；
当相邻的AIS点之间的速度大于30m/s时，则将前、后两个AIS点作为分割点s(k -1)、e (k)，从而得到航迹碎片[s(k),e(k)]队列；遍历计算s(k -1)与e(j),j＞k之间的航速，当航速小于阈值时，合并航迹碎片，直到得到全部的航迹分批信息，最终实现MMSI欺骗判决，并修正AIS序列的航速航向关键信息；
步骤3：按照500米作为网格的长度，计算经纬度的延展ExtLat、ExtLon ，以及坐标
[IdxLat ,
IdxLon]：
在得到网格后，统计航迹目标在网格的目标出现/消失时间、目标航速/航向、流量分布；当两个目标在不少于20个网格内同时出现的时间差不超过20分钟，则认为出现目标伴随，从而得到伴随目标。
2.根据权利要求1所述的一种基于时间序列的船舶AIS目标航行监控方法，其特征在于：对指定时间段内船舶目标AIS的时间、航速、航向序列进行差分处理，并对航速进行如下
处理：
如果前后两个AIS的时间差大于30分钟，将属于同一个目标的AIS序列拆分为若干子序列[s w (k),e w (k)]，基于时间序列方法获得AIS数据的噪声项，并按照下式计算航速、航向差
分序列的评估值：
最终评估船舶AIS目标航行状态：
D ck 、D ck 分别是由差分子序列[s w (k),e w (k)]得到的航向、航速差子序列评估值分量。
权 利 要 求 书1/1页CN 111179638 A
一种基于时间序列的船舶AIS目标航行监控方法
技术领域
[0001]本发明属于AIS数据处理领域。
背景技术
[0002]随着我国经济快速持续发展和长江经济带战略落实，长江和沿海黄金水道的水面交通迅猛发展，潜在水上交通事故带来的经济损失和环境破坏风险日益不可忽视，我国海事监管部门不断完善船舶自动识别系统、水面交通雷达等监管设施建设，力图提高船舶活动监管能力。由于AIS设备是大型船舶必须配备的，具有成本低、可辨识、精度高、更新快、准实时的特点，是船舶身份识别、行为监控、规律统计的重要信息源，也是海事管理部门提高船舶监管和风险监控的重要依赖。
[0003]针对AIS信息处理，目前形成大量结合港口等区域信息的数据处理手段，侧重密度、流量、热点等区域统计分析，如船舶进出港、靠泊条件下的速度分析。由于AIS信息采集设备在工作原理、设备使用
限制，以及数据处理系统的转发、记录、管理机制，AIS信息存在比较严重的数据质量问题，表现为信息重复、篡改、错误和缺失等问题，如何进行数据治理，进而精细化监控辖区内船舶、识别船舶危险航行状态，尚未见到相应的研究报道。
发明内容
[0004]本发明的目的在于提出一种低质量AIS数据场景下船舶AIS目标MMSI欺骗判别、航迹拼接，以及区域目标航行统计和船舶航行状态评估的方法。
[0005]本发明首先提出基于AIS的MMSI、时间和经纬度的数据去重。为降低计算存储资源消耗。为此提出在MMSI呼号、时间、经纬度一致时，认为出现数据重复，删除重复数据记录；并根据地理信息，删除超出地理范围的野值数据。
[0006]其次基于船舶AIS目标的MMSI呼号初步分组和并按时间排序，利用AIS更新的经纬度、时间信息动态计算AIS数据之间的航向航速，完成MMSI欺骗判别和航迹碎片拼接，同时校验修正船舶AIS目标的航速、航向动态信息。
[0007]再次产生一个中心坐标，通过船舶目标AIS信息动态生成/更新统计网格，获得区域目标出现/消失时间、目标航速、航向等统计信息；如果两个目标同时出现在多个网格，且出现时间差不大于20分钟，则认为两个目标存在伴随关系，并基于伴随传递假设检测伴随目标。
[0008]最后根据更新时间间隔将船舶目标AIS序列拆分为若干子序列，分别提取其航速航向差分的噪声项，通过无量纲化处理获得船舶航行状态度量值，实现目标航行状态评估。
附图说明
[0009]图1为船舶航信安全评估流程。
[0010]图2为MMSI欺骗判决原理。
[0011]图3为船舶MMSI欺骗判决和零碎航迹拼接过程。
[0012]图4为格子生成与目标伴随识别。
[0013]图5为由时间间隔决定的航速、航向差分序列拆分原理。
具体实施方式
[0014]本发明的关键步骤包括数据清洗、船舶MMSI伪装判决、网格生成与信息统计和航行状态评估关键步骤。
[0015]1船舶AIS数据清洗校验方法：
[0016]现有的船舶AIS数据库记录存在较大范围的数据质量问题，表现为数据重复、MMSI 伪装、速度航向异常、船名空缺、位置跳跃、时间跳跃等，必须进行数据清洗治理，提高数据处理的速度和质量。此处提出数据清洗基本方法是：根据MMSI进行粗分组，按照时间升序排列，如果相邻的AIS出现更新时间、经纬度信息重复，则删除后一个数据，直到无重复；在无法获得精确航路、河道等地理信息时，给定船舶活动的大致区域范围，删除野值信息。[0017]2船舶MMSI伪装判决
[0018]由于船舶AIS终端设备状态是可编辑的，存在MMSI呼号相同情况下AIS轨迹跳跃的数据，即存在AIS篡改、伪装的情况；同时AIS信息的航速、航向关键信息存在大量更新异常的情况，表现为数据不更新、速度航向不准确，此处需要统一进行处理。处理过程如图3所示。
[0019](1)如图2所示，按照时间对MMSI相同的L个AIS数据进行升序排序，计算相邻AIS的时间、航向和航速；如果在e(k)(k＝1,2,…N-1,e(N)＝L)处得到的速度大于30m/s，则在e (k)分割AIS序列得到航迹碎片，遍历直到获得全部航迹碎片[s(k),e(k)],k＝1,2,…N：
[0020]
[0021]本发明采用标准球体提高数据处理速度，假设两个A、B坐标分别是(Lat1,Lon1)和(Lat2,Lon2)，其中A为中心点，按照下式计算B相对于A的距离dis、航向cour和航速velo：[0022]Lat i＝90-Lat i,i＝1,2
[0023]c＝sin(Lat1)*sin(Lat2)*cos(Lon1-Lon2)+cos(Lat1)*cos(Lat2)
[0024]dis＝R*acos(c)
[0025]cos(c)＝cos(90-Lat2)*cos(90-Lat1)+sin(90-Lat2)*sin(90-Lat1)*cos(Lon2-Lon1)
[0026]sin(c)＝sqrt(1-(cos(c))2)
[0027]cour＝arcsin(sin(90-Lat2)*sin(Lon2-lon1)/sin(c))
[0028]velo＝dis/t
[0029]其中R＝(6378.14+5253.755)/2≈6316KM，并将航向cour进行归一化处理，映射到0～360°，如果在第二象限则cour＝360+cour，在第三、四象限，则cour＝180-cour。[0030](2)遍历计算每个航迹的结束AIS点e(k)到每个分割点开始点之间的速度，即计算e(k)到s(k+2)、s(k+3)、s(N)的速度，当速度小于阈值则进行航迹合并和状态更新；如算e (k)到s(l)之间的速度小于阈值，则将航迹碎片[s(k),e(k)]和[s(l),e(l)]进行合并，同时更新航迹的开始和结束位置处理，直到结束得到多个的船舶AIS目标队列，并统一分配批号
BatchIdx。
[0031]3网格生成、信息统计与目标伴随检测
[0032]网格划分是进行航迹区域统计的基础手段，本发明基于网格划分实现区域统计和目标监测，处理流程如图4所示。具体实现方法如下：
[0033](1)默认网格的长宽分别为500米，那么可知纬度延伸为ExtLat＝0.0045度，网格序号IdxLat、IdxLon及经度延伸ExtLat分别是：
[0034]IdxLat＝floor(lat i/ExtLat),i＝1,2,3,…,n
[0035]ExtLon＝500/(R*cos(IdxLat*ExtLat)*2*pi/360)
[0036]IdxLon＝floor(lon i/ExtLon)
[0037]利用AIS信息的经纬度坐标生成Hash值存储到网格信息内，存储该值以进行网格检索。
[0038](2)根据航迹的AIS信息计算得到所在的格子后，动态统计格子内目标的进入、驶出时间，平均航速、航向，航迹流量、密度，从而完成船舶航行区域统计。
[0039](3)两个目标在网格内出现的时间差不超过20分钟，则根据BatchIdx编号两两生成Hash值，同时存储Hash值和伴随目标的BatchIdx。统一统计Hash值出现次数，如果同一个Hash值出现不少于10次，则认为出现目标伴随对。本发明认为伴随关系是传递的，如果存在伴随目标对[idx a,idx b]、[idx a,idx c]，则[idx a,idx b,idx c]是伴随，最终得到全部伴随。
[0040]4基于时间序列的船舶航行状态评估
[0041]本发明提出基于时间序列的船舶航行状态评估方法，具体实现方法如下所示：[0042]在理想条件的运动中，目标的航速、航向不会发生较为频繁或者剧烈的变化；船舶目标一旦出现剧烈、连续的运动状态变化，可能是航行条件变化、船舶状况异常、主观意图造成船舶操纵驾驶非线性变化，这种变化往往意味着潜在监管风险。通过提取目标航信的航速、航向变化和时间序列，评估目标航行状态：
[0043](1)对隶属于同一个目标的AIS序列按照时间升序排列，对步骤2获得的速度、航向、时间差分得到速度、航向变化和时间间隔序列；特别对航向进行如下的处理：
[0044]
[0045](2)如图5所示，AIS的更新时间间隔是非均匀，当更新时间较长时，认为目标的运动状态不连续、不稳定，需要将对应的航速、航向差分拆分为若干子序列；在实践中，如果位置e w(k)+1(k＝1,2,…M-1,e w(M)＝n k-1)的时间间隔大于30分钟，则在e w(k)处将AIS序列进行拆分，直到获得全部的子序列[s w(k),e w(k)]，其中：
[0046]
[0047]如果序列[s w(k),e w(k)]的长度n k大于4，则加入非线性特征距离度量计算过程。
[0048](3)子序列[s w(k),e w(k)]对应的航向、航速差分特征序列
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议